TensorFlow应用实战-工具类与网络模型

音符。

pitchname就是我们看过的C4d#等体验一个midi文件的构成。

node类和Chord类

汉堡没制作出来之前你的脑海已经有这个形状了。一层一层添加面包什么的。第一层的输出会变成第二层的输入,第二层的输出变成第三层的输入。以此类推。添加第一层

lstm神经元512Dropout丢弃一部分神经元防止过拟合第二个lstm神经元512第二个dropout依然丢弃30%第三个lstm给全连接层(dense),256个神经元。丢弃30%之后,这个全连接层神经元个数等于我们的不同音调的个数。(num_pitch)softmax激活层算概率(最大概率)

C是概率最高的音符,挑选C最为最终的输出。

神经网络生成新音符/和弦原理我们给神经网络输入一个序列音符,经过神经网络模型。

将其中的A丢弃掉,然后产生新的预测。

将其中的B丢弃掉,再去产生新的预测音符。model.add(keras.layers.LSTM(512,#Lstm层神经元的数目是512,也是它输出的维度input_shape=(inputs.shape[1],inputs.shape[2]),#输入的形状return_sequences=True#返回Sequences(序列)))添加一个Lstm层。

在堆叠LSTM层时必须设置,最后一层LSTM不用设置有两个维度,音符和音符对应的整型值。

ifweights_fileisnotNone:#如果是生成音乐时#从HDF5文件中加载所有神经网络层的参数(Weights)model.load_weights(weights_file)returnmodel训练网络时不指定weights_file。训练和生成时都会用到这个model。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180725A1YIC000?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注腾讯云开发者

领取腾讯云代金券